汽轮机转子振动故障非线性诊断研究.pdfVIP

维普资讯 第28卷 第6期 水利 电力机械 Vo1．28 NO．6 2006年6月 WATERC0NSERVANCY EIECTRICPOWER MACHINERY Jun．2006 · 电 力 工 程 与 设 备 · 汽轮机转子振动故障非线性诊断研究 Nonlinearanalysisofturbinerotorvibrationfaults 范立莉 ，梁平 ，樊福梅 ，吴庚 中 FAN Li—li，LIANG Ping，FAN Fu—mei，WU Geng—shen ( 南理工大学 动力工程系，广东 广州 510640) (ThePowerEngineeringDepartmentolElectt’iePowerCollege，Guangzhou510640，China) 摘 要 ：针对汽轮机转子振动故障的特点。根据Ben@ 实验 台所采集的4种典型汽轮机转子振动故障数据 ， 运用分形盒维数 、ARMA 自谱函数、ARMA模型的二维双隐层神经网络和小波包分析方法研究了振动故障的 非线性特征，进行故障诊断 诊断结果表明：不同故障盒维数不同，采用盒维数能够较好的对故障类型进行 判别；各种故障的 自谱函数幅值分布在不同的频段 ，有较好地区分度；采用ARMA模型的二堆双隐层神经网 络进行故障诊断，可以得到各种故障检验样本与目标函数在欧氏空间的最小距离，有较高的故障辨识力；运 用小波包分析方法，可以获得汽轮机转子振动的故障状况，根据不同故障发生时的频谱特征，识别 出不同的 故障 关键词：汽轮机转子；故障诊断；分形；自谱函数；小波包分析 中图分类号：0322：TK268 l 文献标识码：A 文章编号：l006—6446(2006)06—0005—05 Abstract：Accordingtothechni’acleristicsoftut’])ifierotorvibration。fauhsnonlinearchar}Jcterisficsarestudiedby themethodsolffactalboxcountingdimension，ARMA self-spectralfunelion，Euclideanspacedualhichlet,laye,’s neuralnetworkolARMA modelandwaveletpacketanalysisbasedt)uthefore’typicalvibrationfauhsdalaolturbine rol0|_collectedfiom theBentlyexperimentset．Theresultsshow thatdiffer’entlaultshavedifferentboxcountingdi— mensionwhichcanbeusedtodiagnosefanhs．Thevalueofself-spectralfunctionforeq,C]lfau]tdistributesindiffer- enlfiequencybandandhasbetterdiscrimination．Theminimaldistanceinthetwo—dimensionalFuclideanspacebe— tweenexamsampleandobjectivefunetionf0reachfauhcanbeohtainedbyEuclideanspacedualhiddenlayersileu— ralnetwo,kofARM